Search
Now showing items 1-10 of 10
Difference target propagation
(2018-10-18)
Backpropagation has been the workhorse of recent successes of deep learning but it relies on infinitesimal effects (partial derivatives) in order to perform credit assignment. This could become a serious issue as one ...
Réseaux de neurones à relaxation entraînés par critère d'autoencodeur débruitant
(2012-01-05)
L’apprentissage machine est un vaste domaine où l’on cherche à apprendre les paramètres
de modèles à partir de données concrètes. Ce sera pour effectuer des tâches demandant
des aptitudes attribuées à l’intelligence ...
Échantillonnage dynamique de champs markoviens
(2010-03-04)
L'un des modèles d'apprentissage non-supervisé générant le plus de recherche active est la machine de Boltzmann --- en particulier la machine de Boltzmann restreinte, ou RBM. Un aspect important de l'entraînement ainsi que ...
Structured prediction and generative modeling using neural networks
(2017-03-28)
Cette thèse traite de l'usage des Réseaux de Neurones pour modélisation de données séquentielles. La façon dont l'information a été ordonnée et structurée est cruciale pour la plupart des données. Les mots qui composent ...
Prédiction et génération de données structurées à l'aide de réseaux de neurones et de décisions discrètes
(2019-03-13)
L’apprentissage profond, une sous-discipline de l’apprentissage automatique, est de plus en
plus utilisé dans une multitude de domaines, dont le traitement du langage naturel. Toutefois,
plusieurs problèmes restent ...
Algorithmes d'apprentissage pour la recommandation
(2013-02-01)
L'ère numérique dans laquelle nous sommes entrés apporte une quantité importante de nouveaux défis à relever dans une multitude de domaines. Le traitement automatique de l'abondante information à notre disposition est l'un ...
Analyzing the benefits of communication channels between deep learning models
(2019-03-13)
Comme les domaines d’application des systèmes d’intelligence artificielle ainsi que les tâches associées ne cessent de se diversifier, les algorithmes d’apprentissage automatique et en particulier les modèles d’apprentissage ...
Speech synthesis using recurrent neural networks
(2017-07-12)
Les réseaux neuronaux récurrents sont des outils efficaces pour modeler les données à structure séquentielle. Dans ce mémoire, nous décrivons comment les utiliser pour la synthèse vocale.
Nous commençons avec une introduction ...
Designing Regularizers and Architectures for Recurrent Neural Networks
(2016-05-25)
Cette thèse contribue a la recherche vers l'intelligence artificielle en utilisant des méthodes connexionnistes.
Les réseaux de neurones récurrents sont un ensemble de modèles séquentiels de plus en plus populaires capable ...
Algorithmes d’apprentissage profonds supervisés et non-supervisés: applications et résultats théoriques
(2014-03-03)
La liste des domaines touchés par l’apprentissage machine s’allonge rapidement. Au fur et à mesure que la quantité de données disponibles augmente, le développement d’algorithmes d’apprentissage de plus en plus puissants ...